-
公开(公告)号：CN119180353B
公开(公告)日：2025-05-06
申请号：CN202411696958.9
申请日：2024-11-26
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于维纳反卷积与Diag‑Fisher剪枝的联邦学习算法WD&DFD‑FL。首先，客户端在完成模型训练后，使用Diag‑Fisher剪枝机制通过Fisher信息矩阵对梯度进行剪枝。接着，应用自然梯度优化对剪枝后的梯度进行修正并同态加密上传至服务器。服务器接收到加密后的剪枝梯度后，采用基于维纳反卷积的联邦机制对噪声进行滤波，通过估计噪声功率谱密度，设计反卷积来去除加密过程中引入的噪声，增强有用信号。最后，服务器聚合各客户端上传的梯度，形成全局模型并反馈给客户端，完成联邦学习的训练迭代；本发明通过对权重小的梯度进行剪枝以降低通信开销并且通过使用自然梯度以及维纳反卷积提高了模型精度。
-
公开(公告)号：CN114201764A
公开(公告)日：2022-03-18
申请号：CN202111398742.0
申请日：2021-11-22
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于区块链的快递上下文位置隐私保护方法，针对同城配送场景，基于区块链通过智能合约依据全同态加密算法选择快递的下一跳站点，又利用上下文加密确保车辆到达指定地点获得相关信息并按照既定路线递送快递，实时生成一条可以保护隐私的最短路径，整条路径由各节点依靠分布式计算的方法做出相继选择后构成；本发明适用于解决同城配送中因道路交通导致的复杂情况，也可以解决同城配送中实体间互不信任的问题，本发明在保护路径没有被假冒、保护最终收件地点没有被暴露的同时，提升了快递递送过程的准确性、高效性。
-
公开(公告)号：CN119180353A
公开(公告)日：2024-12-24
申请号：CN202411696958.9
申请日：2024-11-26
Applicant: 南京邮电大学
Abstract: 本发明提出了一种基于维纳反卷积与Diag‑Fisher剪枝的联邦学习算法WD&DFD‑FL。首先，客户端在完成模型训练后，使用Diag‑Fisher剪枝机制通过Fisher信息矩阵对梯度进行剪枝。接着，应用自然梯度优化对剪枝后的梯度进行修正并同态加密上传至服务器。服务器接收到加密后的剪枝梯度后，采用基于维纳反卷积的联邦机制对噪声进行滤波，通过估计噪声功率谱密度，设计反卷积来去除加密过程中引入的噪声，增强有用信号。最后，服务器聚合各客户端上传的梯度，形成全局模型并反馈给客户端，完成联邦学习的训练迭代；本发明通过对权重小的梯度进行剪枝以降低通信开销并且通过使用自然梯度以及维纳反卷积提高了模型精度。
-
-
Search Results
3
records
(took 0.017 seconds)
